内容来源：网络信息整理汇编。
责编 | 贾宁
第 9850 篇深度好文：4246 字 | 12 分钟阅读
思维方式
笔记君说：
我最近在 B 站看了一个视频，标题很有意思：AI 时代，如何拥有国王的力量？
视频的主讲人程泓宁，是宇宙 E-BIKE 的创始人。
元股证券:ygzq.hk
这是一家做电助力自行车的公司，团队大约 25 人，年销售额 6000 万。
听起来有点夸张，一家制造业公司，产品还要经历研发、供应链、工厂、销售和售后，怎么可能靠 25 个人完成这么多事情？
看完视频，我明白了他们是怎么做到的，也有个感受：AI 改变的，不只是某一个岗位的效率，也在改变一家公司组织工作的方式。
今天，我们就来聊聊宇宙 E-BIKE 的故事，希望对你有所启发。
一、AI 时代，最值钱的是主动定义问题
很多人使用 AI 时，第一反应是问："你能不能帮我写一篇文章？""你能不能帮我做一个方案？""你能不能帮我分析一下数据？"
这些问题当然可以问，但它们只停留在执行层。
真正有价值的问题，往往在前面：我到底遇到了什么问题？这个问题为什么值得解决？
AI 最擅长的是把一个已经被说清楚的问题快速推进下去，它可以搜索资料、整理信息、生成文档、写代码、做表格，也可以把一堆分散的内容重新组织起来。
但它不会天然知道你的真正目标。比如，一份报价单，到底是为了快速成交，还是为了守住利润？一次复盘会议，到底是为了把事情讲完，还是为了决定下一步由谁负责？
目标不同，最后的方案也会不同。
程泓宁在视频里反复强调，人和 AI 的分工可以这样理解：人负责定义问题、做判断、提出想法；AI 负责执行、整理、研究和自动化。
这就是程泓宁所说的"独角兽个体"。
现在，一个人的生产力，取决于他能不能把问题拆开，把任务交给合适的 AI，再把结果重新组合起来。
二、真正的 AI 转型，是重做工作流
很多公司所谓的 AI 转型，只是在原来的流程旁边增加一个 AI 工具，写邮件时用一下，开会时用一下，做 PPT 时用一下。
工作流程没有变化，AI 只是多了一个辅助环节。
宇宙 E-BIKE 的做法更彻底一些，他们尝试把 AI 放进产品研发、会议复盘、知识管理、客户报价和供应链谈判等具体流程中。
1. 一个下午，完成过去需要很久的规格书
在制造业里，规格书不是普通文档。
它要说明产品有哪些功能、每个功能如何实现、技术参数是什么、不同部门之间如何配合。规格书写得不清楚，后面的研发、采购和生产都会出大问题。
宇宙 E-BIKE 的实习生用 AI 一个下午写完了 4 万字的仪表规格书。
这是什么概念？
电助力自行车仪表涉及车速显示、蓝牙连接、自动更新等几十项功能，传统做法是 10 人以上专家团队耗时一个月，出一份上百页的文档。
而一个实习生，借助 AI 生成功能分析表、获取优化建议、用 Codex 出可交互的产品模拟器，一个下午搞定。
原本需要多人协作、耗时较长的规格梳理，被压缩到了一个下午，其中交互模拟器的生成只用了大约 15 分钟。
15 分钟只是结果，更重要的是，团队把规格书提前做成了一个可以点击的样机，很多问题因此在开发前就暴露出来。
过去，很多问题要等到开发阶段才会出现，现在团队可以先把验证环节往前移。
AI 负责快速搭建第一版，人负责判断它是否符合真实世界，这就是当下最主流的工作方式。
2. 把复盘会从信息堆积变成行动决策
很多公司的复盘会，开起来往往要几个小时，每个人轮流汇报，讲自己做了什么，遇到什么问题，接着讨论问题为什么发生。
会议结束以后，大家觉得说了很多话，但真正要改什么、谁来改、什么时候完成，常常没有留下清晰结论。
程泓宁在公开复盘中提到，他们把原本需要大半天的复盘会议压缩到了一小时左右。
前提是，AI 先把过去分散在会议记录、项目文档、聊天记录和表格里的信息，集中起来，帮助团队找出反复出现的问题、进度异常和没有解决的事项。
这样，会议就不必从头复述过程，而是直接讨论几个关键问题：哪件事情没有按计划完成？问题出在目标、流程，还是执行？哪些问题已经重复出现？下一步具体由谁负责？
这样，会议就能把时间用在取舍和分工上。AI 进入会议流程后，最实用的价值，是减少信息搬运，把人的注意力留给判断和行动。
3. 把老板脑子里的经验变成知识库
很多小公司有一个隐形问题：真正重要的经验，往往只存在老板和几个老员工的脑子里。
供应商为什么不能这么谈，某种材料过去踩过什么坑，某个客户真正关心什么，某次产品失败的原因是什么，这些内容没有写进制度，也没有进入系统。新人遇到类似问题时，只能重新问一遍。
宇宙 E-BIKE 用知识库解决这个问题：供应商沟通记录、产品研发资料、过去踩过的坑，以及创始人对市场和产品的判断，都会被整理到知识库里。
比如，他们在开发碳纤维产品时，会用 AI 协助查找资料，也会把和供应商沟通时遇到的问题记录下来。这些内容积累起来以后，AI 才能逐渐理解公司的产品、流程和历史。
注意，知识库不是把所有文件放进一个文件夹。它至少要回答三个问题：这条信息是什么？它在什么场景下有用？下次遇到类似问题，应该怎样调用？
更重要的是，最初的知识库要由老板亲自建立。因为只有老板最清楚，哪些经验值得保留，哪些判断只是临时意见，哪些内容可以公开给团队，哪些内容还需要权限控制。
使用工具本身并不难，难的是让团队愿意记录，让信息能够被信任，也让不同的人知道如何使用。
4.10 分钟生成定制化报价
制造业的报价，不是简单地把价格乘以数量。它要考虑产品配置、材料成本、供应商报价、交付周期、客户需求、利润空间以及后续服务。
如果客户提出的是定制需求，销售人员往往需要回去查资料、问技术、问供应链，再整理一份方案。这样一来，报价往往需要花费很多时间。
宇宙 E-BIKE 曾经在一笔上百万元订单的沟通现场，利用 AI 在客户交流结束后大约十分钟生成定制化方案和报价。
AI 先把客户提出的需求整理出来，再调用产品资料、历史报价和成本信息，形成一份初步方案。
销售人员可以马上看到：客户真正需要的是什么？哪些配置可以满足？哪些内容需要进一步确认？报价应该怎样组合？
当然，这不代表 AI 可以直接决定最终价格，利润、交付承诺和技术可行性，仍然需要人来检查。
但它改变了销售与客户沟通的节奏。过去，客户要等一两天才能拿到的初步方案，现在可以在现场形成一个可讨论的版本。
客户也不必只听销售口头描述，而是可以马上对着具体方案继续修改。
速度本身就是竞争力，尤其当客户还在比较不同供应商时，谁能更快把需求变成清晰方案，谁就更容易掌握沟通主动权。
5. 帮公司一年省下 70 万
宇宙 E-BIKE 还有一个案例，是公司的厂房租金。
很多企业每年都会支付房租，却很少把租金、面积、物业费、租期、搬迁成本和生产效率放在一起重新计算。
大家习惯了现在的位置，也习惯了每个月的固定支出，很少问这个成本是不是合理。
宇宙 E-BIKE 把工厂报价、物业费、租期等数据交给 AI 分析。AI 发现，公司每年可能承担着大约 170 万元的租金成本。
进一步比较之后，团队开始考虑搬厂，并用 AI 分析谈判策略。最后，他们谈下了 90 天免租期，年租金减少了 70 多万元。
AI，能让企业看到已经被习惯遮蔽的成本。
AI 没有创造出一个新的业务，也没有凭空找到一笔收入。它只是把原本分散在合同、报价、租期和物业支出里的信息放到一起，帮助团队重新计算一遍。
人容易接受现状，AI 却可以不断追问：还有没有别的可能？这笔支出和收益是否匹配？如果换一种安排，结果会怎样？
三、AI，更应该用来做减法
AI 还能帮助我们推演未来。比如，分析市场变化，判断用户需求，预测某种产品是否会受到欢迎，模拟不同方案可能带来的结果。
但预测不是算命，AI 只能根据已有信息，推演可能发生的情况。
如果输入的数据不完整，或者问题本身就问错了，结果再复杂，也只是建立在错误前提上的推演。
企业使用 AI 预测未来时，至少要保留三层判断：
第一，数据来自哪里，是否可靠？
第二，预测建立在哪些假设上？
第三，如果预测错了，公司能不能承受代价？
比如，AI 判断某种产品会受到欢迎，企业不能因此就直接大规模备货，还要继续判断供应链是否稳定、现金流是否足够，以及最坏情况下如何退出。
AI 可以帮助我们多看几种可能，但选择仍然要由人来承担。
AI 让信息获取变得越来越容易，你可以让它整理行业报告、搜索竞争对手、分析用户评论，也可以让它每天推送一大堆摘要。
问题是，信息变多以后，人的注意力并没有同步增加。如果你什么都看，最后可能什么都没有真正理解。
程泓宁在视频里讲到，比起"做加法"，AI 更应该被我们用来"做减法"。
如果一条信息不能帮助团队更好地判断和行动，它就不应该占据太多注意力。
这件事听起来简单，实际却很难。
人天然喜欢收集信息，收集会带来一种"我正在准备"的感觉，但准备并不等于行动。
你下次使用 AI 整理信息时，可以给它增加几个限制，比如：只保留和当前目标有关的内容；把事实、判断和猜测分开；标明信息的来源和时间；指出哪些内容还没有得到验证。
你的生产力水平，是由你的注意力在哪里决定的。这个时代不缺信息，缺的是专注和取舍。
结语：
过去，一个人想完成复杂的事情，要先问自己有没有团队、预算和时间。
AI 正在改变这些条件，但它不能替你回答最重要的问题：你到底想解决什么？
宇宙 E-BIKE 的实践说明，AI 转型最难的部分往往不是学会某个工具，而是重新设计组织的工作方式，然后分清人和 AI 协同的边界。
上一代企业比组织能力，AI 时代的企业比进化能力。
说到 AI 落地，硅谷无疑还是全世界的领先高地。
笔记侠 PPE 书院国际美国站 26 级「创新英雄・AI+ 出海专题」课程，将于 2026 年 9 月 26 日正式启程。
这一次，我们把课堂带到创新现场，与你一起来一次真正的认知跃迁。
10 天时间里，我们将带你走进美国硅谷与西雅图，深度参访谷歌、Meta、亚马逊等全球顶尖公司。
我们还将邀请斯坦福名师、硅谷行业实战派、华人科技与出海领域专家，围绕 AI 产业趋势、企业 AI 落地、组织重构、全球市场规则和中国企业出海机会，做一手分享和深度交流。
这趟行程会帮你建立一套判断框架：未来三年，你的企业该如何使用 AI，哪些流程必须被重写，哪些能力必须保留，哪些出海机会值得下注，哪些风险必须提前看见。
如果你正在思考 AI 转型、企业出海、组织升级和下一轮增长，这一次美国站，值得你带着问题亲自去看一次。
欢迎了解课程详情，提交报名信息。
炒股杠杆
参考来源：AI 时代，如何拥有国王的力量？｜斯坦福教授 AI 大师课（含 7 个宇宙 ebike 内部案例），哔哩哔哩。
好文阅读推荐：
逆境中的毛泽东：越艰难，越向前！
曾鸣最新访谈：2026，像极了 1995
读懂《金刚经》，就读懂了马斯克和乔布斯
分享、点赞、在看官方配资门户，3 连 3 连！
炒股多空网提示：本文来自互联网，不代表本网站观点。
